检索、奖励与训练协议：什么因素在训练搜索智能体中至关重要？

大型语言模型驱动的搜索智能体可通过多步推理自主分解查询、检索信息并综合答案。然而，训练方法的快速增长超越了受控比较的进度，现有工作在检索语料、奖励设计及训练协议上差异巨大，导致改进动因不明。本文通过受控实证研究，隔离了搜索智能体训练的三个关键维度：首先，指出广泛使用的 Wikipedia 2018 语料存在数据覆盖问题，修正该问题带来的增益超过算法差异；其次，系统比较基于结果与基于过程的奖励方法，发现简单的基于结果方法在多数场景下表现更优；最后，分析数据多样性及搜索预算扩展，提炼出有效训练指南。